Что такое искусственный интеллект (и чем он не является)

Искусственный интеллект — это не «живой разум из фильма», а программа, которая научилась хорошо решать конкретную задачу на множестве примеров.

Искусственный интеллект (ИИ) — это программы, которые решают задачи, обычно требующие человеческого мышления: распознавание, перевод, ответы на вопросы.

Зачем тебе вообще это знать

Открой телефон. Лента в соцсети сама подсовывает тебе именно те ролики, на которых ты залипаешь. Клавиатура договаривает слово раньше, чем ты успел его набрать. Камера обводит лица на фото зелёными рамочками. Голосовой помощник понимает «поставь будильник на семь». Всё это называют одним словом — «искусственный интеллект». И почти у каждого в голове при этих словах всплывает картинка: говорящий робот, который думает, обижается и однажды захватит мир.

Вот первое, что я хочу, чтобы ты унёс из этого урока: то, что работает у тебя в телефоне, и робот из кино — это совершенно разные вещи. Настоящий ИИ куда скучнее и куда полезнее, чем фантастика. Он не «думает» и ничего не «хочет». Он просто очень хорошо угадывает ответ, потому что видел гигантское количество примеров.

К концу этого урока ты сможешь:

дать чёткое определение, что такое ИИ, и объяснить его другу;
отличить ИИ от обычной программы и от фантастики;
понять, почему «умеет» не значит «понимает» и «осознаёт»;
держать в голове два примера, которые мы будем разбирать весь курс — «кошка или собака?» и «какое слово будет следующим?».

Эти два примера — наша сквозная нить. Сейчас они выглядят наивно, но через несколько уроков ты увидишь, как ровно из них вырастает то, что крутится внутри ChatGPT. Поехали.

Главная идея: ИИ — это про задачи, а не про разум

Представь, что у тебя есть младший брат, который ни разу в жизни не видел кошек и собак. Ты не объясняешь ему правила вроде «у кошки усы такой длины, а уши треугольные». Вместо этого ты садишься рядом и показываешь сотни фотографий: «это кошка… это собака… это снова кошка…». Сначала он ошибается. Но после пятисотой фотографии он начинает угадывать сам — даже на снимках, которых раньше не видел.

Вот это и есть искусственный интеллект: программа, которая не получает готовых правил, а сама подмечает закономерности на множестве примеров. Когда мы говорим «модель обучилась», мы имеем в виду именно это.

Заметь, в чём фокус. Ты ведь и сам не смог бы записать точное правило «как выглядит кошка». Попробуй — и тут же найдётся кошка без хвоста, кошка-сфинкс совсем без шерсти, котёнок, свернувшийся в комок так, что и ушей не видно. Правил пришлось бы написать тысячи, и всё равно нашлось бы исключение. А вот узнать кошку на фото ты можешь мгновенно, хотя объяснить «по каким именно признакам» почти не можешь. ИИ работает похоже: он не формулирует правила словами, он накапливает «чутьё» на примерах. Именно поэтому ИИ силён там, где правила слишком сложные или их вообще невозможно записать руками.

Модель — математическая система, которая после обучения на данных умеет делать предсказания или генерировать ответы. Данные — это сами примеры: картинки, тексты, числа.

Почему это не «обычная программа»

Чтобы почувствовать разницу, сравним два способа научить компьютер отличать кошку от собаки.

Обычная программа	Искусственный интеллект
Человек заранее пишет правила: «если уши торчат и есть усы — кошка».	Человек показывает тысячи фото с метками «кошка»/«собака».
Правила придумал и проверил программист.	Закономерности модель находит сама в данных.
На необычном фото (кошка в шапке) легко ломается.	Часто справляется и с тем, чего точно не видела.
Понятно, почему получился именно такой ответ.	Иногда даже создатели не могут точно сказать, почему.

Калькулятор, будильник, игра в крестики-нолики по жёстким правилам — это обычные программы. Человек продумал каждый шаг. А вот распознавание лиц или подсказки в ленте — это ИИ: никто не писал правило «покажи Пете именно это видео», программа сама выучила его вкусы по тому, что он лайкал.

Знакомься: наши два сквозных примера

Через весь курс мы пронесём ровно две задачи и будем возвращаться к ним снова и снова, каждый раз глубже:

«Кошка или собака?» — задача про картинки. Модель смотрит на фото и выдаёт ответ: кошка это или собака.
«Какое слово следующее?» — задача про текст. Модель видит начало фразы, например Кошка пьёт ..., и угадывает продолжение: скорее всего «молоко».

Запомни их как старых знакомых. Сегодня мы объясним их «на пальцах». Дальше — через признаки, потом через нейросеть, потом через эмбеддинги и предсказание токенов, и в самом конце — внутри трансформера, той самой штуки, на которой держится ChatGPT. Одна и та же задача пройдёт путь от детского объяснения до устройства настоящего ИИ.

Почему я так настойчиво тащу через весь курс всего два примера, а не сыплю новыми на каждом шаге? Потому что так ты увидишь главное — что это не двадцать разных «магий», а одна идея, которую раз за разом усложняют. Когда на последнем уроке мы доберёмся до трансформера, ты не будешь смотреть на него как на инопланетную технологию. Ты узнаешь в нём ту самую кошку и ту самую фразу «Кошка пьёт …», только обвешанные новыми деталями. Это и есть самый честный способ понять ИИ — не зубрить термины, а проследить, как простая мысль дорастает до сложной системы.

Разбираем на примерах

Пример 1. Как ИИ учится отличать кошку от собаки

Давай по шагам, как это выглядит «изнутри».

Собираем данные. Берём, скажем, 10 000 фотографий. На каждой стоит метка — правильный ответ «кошка» или «собака».
Учим модель. Показываем ей фото за фото. Модель угадывает, мы говорим, права она или нет. Она чуть-чуть подкручивает себя, чтобы в следующий раз ошибиться меньше. Это и есть обучение с учителем — когда у каждого примера есть правильный ответ.
Проверяем. Берём новые фото, которых модель не видела, и смотрим, как часто она угадывает.

Обучение с учителем — способ обучения, когда модели показывают примеры вместе с правильными ответами (метками). Метка — правильный ответ для примера, например слово «кошка» рядом с фотографией.

Важно: модель не «понимает», что кошка — это милое мурлыкающее животное, которое любит коробки. Для неё это просто набор чисел (яркость пикселей), в которых она нашла повторяющиеся узоры. И этого достаточно, чтобы угадывать. «Умеет отличать» — да. «Понимает, что такое кошка» — нет.

И ещё одна тонкость, про которую полезно знать сразу. Если модели показывать одни и те же фотографии слишком долго, она может их попросту зазубрить — запомнить конкретные снимки вместо общей идеи «как выглядит кошка». Тогда на знакомых фото она будет давать идеальный ответ, а на новых начнёт ошибаться. Это называют переобучением — когда модель зазубрила обучающие примеры и плохо работает на новых данных. Звучит знакомо? Так бывает и с человеком: можно вызубрить ответы к конкретным задачам перед контрольной и завалиться, как только цифры в условии поменяли. Хорошее обучение — это когда ты ухватил принцип, а не запомнил ответы. У моделей ровно так же.

Пример 2. Как ИИ угадывает следующее слово

Теперь текстовая задача. Ты сто раз её видел — это автодополнение в телефоне. Начинаешь печатать «Спасибо за…», а телефон предлагает «всё», «информацию», «помощь».

Модель для текста училась примерно так же, как «брат с фотографиями», только вместо картинок — горы текстов. Она миллионы раз видела фразы и каждый раз пыталась угадать, какое слово идёт дальше. Возьмём нашу фразу:

Начало фразы	Варианты модели	Оценка «насколько подходит»
Кошка пьёт …	молоко	очень высокая
Кошка пьёт …	воду	высокая
Кошка пьёт …	асфальт	почти ноль

Модель не знает, что кошки правда любят молоко. Она просто видела это сочетание слов чаще других. Программа, которая так угадывает следующее слово, называется языковой моделью — и именно из этой простой идеи вырос ChatGPT.

Языковая модель — модель, которая предсказывает следующее слово в тексте и так умеет генерировать осмысленные ответы.

Пример 3. Узкий ИИ против ИИ из кино

Самое частое недопонимание. То, что у нас есть сегодня, — это узкий ИИ: он силён ровно в одной задаче и слеп ко всему остальному.

Узкий ИИ — ИИ, который умеет хорошо делать одну задачу и не понимает ничего за её пределами. Сильный ИИ (AGI) — гипотетический ИИ, способный мыслить и учиться так же гибко, как человек, в любой области; пока не создан.

Модель «кошка/собака» не умеет играть в шахматы. Шахматная программа не отличит кошку от собаки. Даже ChatGPT, который кажется «всезнающим», на самом деле всё ещё узкий ИИ: он мастерски угадывает следующее слово, но у него нет ни желаний, ни целей, ни «я».

А вот робот из кино, который сам решает захватить мир, — это сильный ИИ (AGI). Его пока не существует. Никто в мире такого не построил. Так что когда в новостях пишут «ИИ скоро всех поработит» — это про фантастику, а не про то, что реально работает в твоём телефоне.

Пример 4. Маленькая демонстрация «угадывания»

Чтобы идея «модель просто считает, насколько слово подходит» стала совсем осязаемой, посмотрим на крошечную игрушечную модель. Это не настоящий ИИ, а имитация на нескольких заранее заданных числах — но логика та же: на вход фраза, на выход варианты с оценками.

// Игрушечная имитация языковой модели.
// Никакого настоящего обучения — просто заранее записанные оценки,
// чтобы показать ИДЕЮ: модель оценивает, насколько слово подходит.

const phrase = "Кошка пьёт ...";

// Чем больше число, тем чаще модель «видела» такое продолжение.
const scores = {
  "молоко": 0.62,
  "воду": 0.30,
  "чай": 0.06,
  "асфальт": 0.02
};

// Находим вариант с самой высокой оценкой.
let best = "";
let bestScore = -1;
for (const word in scores) {
  if (scores[word] > bestScore) {
    bestScore = scores[word];
    best = word;
  }
}

console.log("Фраза: " + phrase);
console.log("Самое вероятное слово: " + best);
console.log("Оценка: " + bestScore);

Вывод:

Фраза: Кошка пьёт ...
Самое вероятное слово: молоко
Оценка: 0.62

Разберём по шагам. В scores мы записали, насколько каждое слово «подходит» — у настоящей модели эти числа не выдуманы, а получены из миллионов прочитанных текстов. Дальше цикл просто ищет вариант с самой большой оценкой и выводит «молоко». Заметь: программа нигде не «знает», что такое кошка или молоко. Она работает с числами. Ровно так же, только с миллиардами чисел, устроена настоящая языковая модель.

Частые ошибки и подводные камни

Эти заблуждения сбивают почти всех новичков. Разберём их сразу, чтобы дальше было легче.

«ИИ думает и понимает, как человек». Нет. Он находит закономерности и угадывает. Модель «кошка/собака» не знает, что такое кошка; ChatGPT не понимает смысла своих слов так, как ты. Похоже на ум — но это не он.
«ИИ всегда говорит правду». Тоже нет. Раз модель угадывает наиболее подходящее продолжение, она может уверенно выдать красивый, но выдуманный ответ. У этого даже есть название — галлюцинация: уверенно звучащий, но неверный ответ. Всегда перепроверяй важные факты.
«ИИ — это обязательно робот». Большинство ИИ — это просто программа на сервере, без всякого тела. Лента в соцсети — это ИИ, и никакого робота там нет.
«ИИ скоро станет как человек и захватит мир». То, что есть сейчас, — узкий ИИ, мастер одной задачи. Сильного ИИ (AGI) пока не существует. Путать одно с другим — всё равно что путать продвинутый калькулятор с живым математиком.
«Раз ИИ ошибается — он бесполезный». Тоже крайность. Он ошибается, но в своих задачах часто работает лучше человека по скорости и масштабу. Правильное отношение — не «верить слепо» и не «презирать», а понимать границы.

Мини-практика: стань детектором ИИ

Закрепим без всякого кода — просто головой. Возьми этот список и для каждого пункта реши: это обычная программа, узкий ИИ или фантастика (сильный ИИ)? Запиши ответы, прежде чем смотреть подсказку.

Калькулятор складывает два числа.
Лента рекомендаций подбирает тебе видео.
Робот из фильма влюбляется и решает сбежать.
Камера телефона обводит лица рамкой на фото.
Будильник звонит в 7:00, потому что ты так выставил.
Голосовой помощник распознаёт твою фразу и ставит таймер.

Подсказка (загляни после того, как решил): обычные программы — 1 и 5 (человек прописал все правила). Узкий ИИ — 2, 4, 6 (программа сама выучила закономерности на данных). Фантастика, сильный ИИ — 3 (такого пока не существует).

Усложнённое задание: для каждого «узкого ИИ» из списка попробуй назвать, на каких данных его, по-твоему, могли обучать. Например, ленту рекомендаций — на истории того, какие видео люди досматривали до конца, а какие пролистывали. Это упражнение приучает тебя думать «а откуда модель это взяла?» — навык, который пригодится во всём курсе.

Итоги

Соберём главное:

Искусственный интеллект — это программа, которая учится на примерах и угадывает ответ, а не получает готовые правила от человека.
ИИ — это про задачи (распознать, перевести, продолжить фразу), а не про сознание, чувства или «разум».
То, что работает сегодня, — это узкий ИИ. Сильного ИИ (AGI) из фильмов пока не существует.
Мы завели два сквозных примера: «кошка или собака?» и «какое слово следующее?» — и будем возвращаться к ним весь курс.

В следующем уроке мы возьмём задачу «кошка или собака?» и разберём её детальнее: как именно модель превращает картинку в набор признаков — измеримых характеристик вроде формы ушей или длины усов — и как по ним принимает решение. Это первый шаг от «магии» к понятному механизму. До встречи на следующем шаге.